编写 Dynamo ATen Lowering Passes

降低通道的基础知识

ATen lowering passes 是 Python 函数，它将 ATen 运算符图作为输入，应用一些所需的修改，例如运算符合并/融合、运算符替换、子图重写、自定义运算符插入或对 torch.fx.GraphModule 的其他操作，然后将修改后的图返回给调用者。这些 lowering passes 通常就地修改图形并返回相同的输入对象。

降低通道要求

Torch-TRT 中的 ATen lowering pass 函数必须满足两个要求： - 该函数必须将 torch.fx.GraphModule 和 torch Tensors 序列 Sequence[torch.Tensor] 作为输入，并返回降低后的 torch.fx.GraphModule - 该函数必须使图形保持有效且可调用的状态，包括执行任何必要的 linting 和重新编译

有关 FX 中 图形操作 的信息，请参阅此链接。 有关修复具有输入同时也是输出的图形的 lowering pass 示例（TRT 引擎不允许的配置），请参见下文。

示例 Lowering Pass

def repair_input_as_output(gm: torch.fx.GraphModule, sample_inputs: Sequence[torch.Tensor]) -> torch.fx.GraphModule:
    """Repair scenarios where inputs are also outputs of the graph

    TRT does not allow such cases, so we insert a clone (identity) layer
    """
    modified_graph = False

    # Extract graph placeholder Tensors
    placeholders = [
        node
        for node in gm.graph.nodes
        if (
            node.op == "placeholder"
            and isinstance(node.type, type)
            and issubclass(node.type, torch.Tensor)
        )
    ]

    for placeholder in placeholders:
        # If any placeholder has any users which are direct graph outputs
        if len(placeholder.users) >= 1 and any(
            user.op == "output" for user in placeholder.users
        ):
            modified_graph = True

            # Get direct graph outputs which are direct uses of placeholders
            direct_outputs = [user for user in placeholder.users if user.op == "output"]

            # Insert clone node for placeholder to ensure
            # placeholder is not a direct output
            with gm.graph.inserting_after(placeholder):
                cloned_placeholder = gm.graph.call_function(
                    torch.ops.aten.clone.default,
                    args=(placeholder,),
                )

            # Replace placeholder as output with cloned version
            for output in direct_outputs:
                output.replace_input_with(placeholder, cloned_placeholder)

    # If the graph was modified, clean up the graph and ensure it is up-to-date
    if modified_graph:
        gm.graph.eliminate_dead_code()
        gm.graph.lint()
        gm.recompile()
        logger.debug(f"Graph after repair_input_as_output:\n{gm.graph}")

    return gm

注册 Lowering Passes

Lowering passes 当前在 py/torch_tensorrt/dynamo/lowering/passes/__init__.py 中注册，使用 torch.fx.passes.pass_manager.PassManager 实用程序以所需的顺序组装 passes 列表。 直接添加到该列表的新 passes 将应用于 Torch-TensorRT torch.compile 后端中的图形。 目前，我们为方便起见提供了一个 ATen lowering pass 注册装饰器，可以直接调用该装饰器，也可以使用可选的 index 关键字参数来控制 lowering pass 将插入到 pass 列表中的位置。

例如，要在默认位置（列表末尾）插入 pass，可以使用以下代码

@_aten_lowering_pass
def my_custom_pass(gm: torch.fx.GraphModule, sample_inputs: Sequence[torch.Tensor]) -> torch.fx.GraphModule:
    ...

或者，要在 passlist 中自定义索引（例如列表的前面）插入 pass，可以使用以下代码

@_aten_lowering_pass(index=0)
def my_custom_pass(gm: torch.fx.GraphModule, sample_inputs: Sequence[torch.Tensor]) -> torch.fx.GraphModule:
    ...

在 torch_tensorrt.dynamo.lowering.passes 中还提供了实用程序，用于显示当前可用的 lowering pass 列表、将这些 passes 应用于任意 torch.fx.GraphModule 以及删除特定索引处的 lowering pass。

# Print all lowering passes in the list
print(dump_lowering_passes())

# Apply lowering passes to a GraphModule
apply_lowering_passes(graph_module, sample_inputs)

# Remove the lowering pass at index 1
_remove_lowering_pass(index=1)

注意： 上述 API 可能会发生变化，因为 lowering pass 系统会不断发展。